《网络天才》(akinator)，是一款在线猜谜类网页游戏，游戏将以阿拉伯神灯精灵阿拉丁出题方式展开，让你通过问题才出全部的人的心里想的人物，受到了不少玩家的喜爱。

　　游戏玩法：

　　玩家要想出一个人物，并回答问题，他就会猜到你想的人物。

　　有什么它猜不到的人物都截图来分享吧。

　　游戏原理：

　　此类应用的大致流程都是：用户输入一段话(不一定只是单词)->后端语义引擎对用户输入的语句进行语义解析->推断用户最可能的意图->调用对应的知识库、应用、计算引擎->返回结果给用户。

　　1、最初级的实现方法：关键词匹配

　　建一个关键词词库，对用户输入的语句进行关键词匹配，然后调用对应的知识库。

　　此种方式入门门槛很低，基本上是个程序员都能实现，例如现在微信公众平台的智能回复、诸多网站的敏感词过滤就是此类。

　　但此种方式存在诸多问题，例如：

　　a、由于是关键词匹配，如果用户输入的语句中出现多个关键词，此时由于涉及关键词权重(与知识库的关键词对比)等等问题，此时关键词匹配的方法就不擅长了

　　b、不存在对用户输入语句语义的理解，导致会出现答非所问的现象。当然在产品上对回答不上的问题就采用卖萌的方式来规避掉。

　　c、基本上无自学习能力，规则只能完全由人工维护，且规则基本是固定死的。

　　d、性能、扩展性较差。还是上面的一句话中包含多个关键词的例子，采用普通程序语言来做关键词匹配，性能奇差。即便采用一些文本处理的算法来做(例如Double-array trie tree)，也很难满足大规模场景需求。

　　2、稍微高级点的实现方法：基于搜索引擎、文本挖掘、自然语言处理(NLP)等技术来实现

　　相对于1的关键词匹配，此种实现方法要解决的核心的问题可以大致理解为：根据一段短文本(例如用户问的一句话)的语义，推测出用户最可能的意图，然后从海量知识库内容中找出相似度最高的结果。

　　具体技术实现就不细说了。举一个很粗糙的例子来简单说一下此种实现方法处理的思路(不严谨，只是为了说明思路)。

　　假如用户问：北京后天的温度是多少度?

　　如果采用纯搜索引擎的思路(基于文本挖掘、NLP的思路不尽相同，但可参考此思路)，此时实际流程上分成几步处理：

　　1、对输入语句分词，得到北京、后天、温度3个关键词。分词时候利用了预先建好的行业词库，“北京”符合预先建好的城市库、“后天”符合日期库、“温度”符合气象库

　　2、将上述分词结果与规则库按照一定算法做匹配，得出匹配度最高的规则。假定在规则库中有一条天气的规则：城市库+日期库+气象库，从而大致可以推测用户可能想问某个地方某天的天气。

　　3、对语义做具体解析，知道城市是北京，日期是后天，要获取的知识是天气预报

　　4、调用第三方的天气接口，例如中国天气网-专业天气预报、气象服务门户 的数据

　　5、将结果返回给用户